超声引导 PENG 和腹股沟上髂筋膜块的实时解剖识别工具精度研究
基于人工智能的实时解剖识别工具用于超声引导 PENG（囊周神经阻滞）和腹股沟髂筋膜阻滞的准确性研究
背景和基本原理：超声引导区域麻醉是当今广泛使用的疼痛控制方法。 该过程的一个关键方面是在超声上准确地显示解剖结构，以精确定义目标区域。 使用自动识别超声图像中的声解剖学的成像模型来区分周围组织将减少意外的神经内注射或对邻近的其他解剖结构的伤害，并提高患者的安全性。
研究问题;我们如何通过将其与人工智能相结合来改进我们在区域区块中经常使用的超声图像，以减少并发症并改进应用？ 而所开发的人工智能支持在成像过程中的准确性如何？
研究目的；这项工作；我们的目标是通过开发人工智能模型（AI Model-Artificial Intelligence），自动识别和分割解剖标志，为缺乏经验的同事提供视觉指导，进一步提高不同区域块位置的安全性，最大限度地降低并发症的风险，并改善超声可视化，并提高了所开发模型在应用过程中的性能。 旨在证明其准确性。
假设;大量研究表明，在实践中使用超声和神经刺激器可以提高神经阻滞的成功率、起效和质量，但由于主要并发症的发生率较低且缺乏可比较的随机研究，因此无法做出明确的说法是否可以超声波降低了神经损伤的总体发生率。 在超声图像中利用人工智能自动标记声解剖学的成像模型可以减少意外的神经内注射或对附近其他解剖结构的伤害，并提高患者的安全性。
研究概览
详细说明
研究过程；该研究将分为两个阶段。 第一阶段：PENG，收集腹膜上筋膜块的声解剖图像并开发人工智能软件（在健康志愿者中，无需侵入性操作）第二阶段：使用开发的人工智能进行验证研究
第一阶段：采集健康志愿者（150 名志愿者）的超声图像以产生人工智能 - 如何拍摄 PENG 和腹股沟髂筋膜块声波解剖图像如下。
1.1) PENG（包膜周围神经群阻滞）：将使用线性和凸面探头拍摄图像。 将从健康志愿者那里收集声解剖学信息，并且不会进行侵入性操作。 将包括 150 名（75 名女性 -75 名男性）同意拍摄超声图像的健康志愿者。
1.2) 腹股沟髂筋膜块：用线性探头拍摄图像。 将从健康志愿者那里收集声解剖学信息，并且不会进行侵入性操作。 将包括 150 名（75 名女性 - 75 名男性）同意拍摄超声图像的健康志愿者。
在这项研究的第一阶段，得益于从志愿者收集的 PENG 和腹股沟筋膜块图像，人工智能技术 Smart Alfa Teknoloji San。 识别并标记该区域的解剖结构。 和抽动症。 公司 它将由 Nerveblox 软件开发并添加到其中。 PENG 和腹股沟筋膜上筋膜块纳入软件后，将在研究第二阶段的验证过程中使用 Nerveblox 软件。
第二阶段：在研究的第二阶段，Smart Alfa Teknoloji San。和抽动症。 Inc.将使用名为Nerveblox的人工智能技术，该技术是在该公司的支持下利用第一阶段收到的数据开发的。 是对第一阶段开发的人工智能技术的验证和准确性研究。 准确性研究将对 40 名健康志愿者进行。 该研究将包括 20 名男性和 20 名女性。
得益于现阶段开发的Nerveblox人工智能技术，区域特定人工智能标记和着色的解剖结构的准确性；它将由 6 名经验丰富的麻醉师根据第二年、第三年和第四年助理（每年两名助理）进行的超声图像扫描进行评估。 第二阶段是验证阶段，验证者将是经验丰富的麻醉师（至少五年的专业经验）。 验证者将使用 5 分制对每个预定义解剖标志表示的准确性进行评分（1：非常差，2：差，3：好，4：非常好，5：优秀）；准确性被定义为专家对软件生成的地标标签如何代表原始超声图像中真实解剖结构的意见。
研究类型
联系人和位置
学习地点
-
-
Meram
-
Konya、Meram、火鸡、42140
- Yasin Tire
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
对于第一阶段的研究，Smart Alfa 公司确定了 150 名志愿者，其中 75 名女性和 75 名男性，该公司将生产人工智能。
第二阶段样本量分析确定每组19人，α误差为0.05，两组比较的功效率为80%。 根据类似的研究，用于此计算的效果计算为 0.837，实际功效计算为 0.812。 根据分析结果，考虑到退出率，计划每组招募 20 名参与者。 （20 名女性 - 20 名男性）
描述
纳入标准：
- 同意拍摄超声波图像
- 健康 - 无合并症
- 18-65岁之间的成年人
排除标准：
- 不接受超声波图像的人
- 18岁以下个人
- 有合并症
- 怀孕
学习计划
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
男性
第 1 阶段：根据 150 名健康志愿者的超声扫描创建人工智能 声解剖学 PENG 和腹股沟上筋膜块图片拍摄如下。 1）PENG（包膜周围神经群阻滞）：将使用线性和凸面探头来收集图像。 不会对健康受试者进行侵入性操作以获得声解剖数据。 150 名健康志愿者（75 名女性 - 75 名男性）将接受超声波检查。 1.2）腹股沟髂筋膜块：线性探针图像。 不会对健康受试者进行侵入性操作以获得声解剖数据。 150 名健康人（75 名女性 - 75 名男性）将接受超声波检查。 第二阶段：Smart Alfa Teknoloji San。和抽动症。 Inc. 将在研究的第二部分中使用 Nerveblox，这是一种利用第一阶段的数据构建的人工智能系统。 第一阶段人工智能技术验证和准确性研究。 准确性研究将涉及 40 名健康志愿者。 将研究 20 名男性和 20 名女性。 |
第 1 阶段 1：采集健康志愿者（150 名志愿者）的超声图像以产生人工智能 - 如何拍摄 PENG 和腹股沟上筋膜块超声解剖图像如下。 第二阶段：在研究的第二阶段，Smart Alfa Teknoloji San。和抽动症。 Inc.将使用名为Nerveblox的人工智能技术，该技术是在该公司的支持下利用第一阶段收到的数据开发的。 是对第一阶段开发的人工智能技术的验证和准确性研究。 准确性研究将对 40 名健康志愿者进行。 该研究将包括 20 名男性和 20 名女性。 |
|
女性
第 1 阶段：根据 150 名健康志愿者的超声扫描创建人工智能 声解剖学 PENG 和腹股沟上筋膜块图片拍摄如下。 1）PENG（包膜周围神经群阻滞）：将使用线性和凸面探头来收集图像。 不会对健康受试者进行侵入性操作以获得声解剖数据。 150 名健康志愿者（75 名女性 - 75 名男性）将接受超声波检查。 1.2）腹股沟髂筋膜块：线性探针图像。 不会对健康受试者进行侵入性操作以获得声解剖数据。 150 名健康人（75 名女性 - 75 名男性）将接受超声波检查。 |
第 1 阶段 1：采集健康志愿者（150 名志愿者）的超声图像以产生人工智能 - 如何拍摄 PENG 和腹股沟上筋膜块超声解剖图像如下。 第二阶段：在研究的第二阶段，Smart Alfa Teknoloji San。和抽动症。 Inc.将使用名为Nerveblox的人工智能技术，该技术是在该公司的支持下利用第一阶段收到的数据开发的。 是对第一阶段开发的人工智能技术的验证和准确性研究。 准确性研究将对 40 名健康志愿者进行。 该研究将包括 20 名男性和 20 名女性。 |
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
人工智能 程序规模
大体时间：基于，在超声检查期间。
|
得益于本研究第一阶段从志愿者收集的 PENG 和腹股沟筋膜块图像，Smart Alfa 公司的人工智能技术识别并标记了这四个区域的解剖结构。
它将由 Nerveblox 软件开发并添加到其中。
|
基于，在超声检查期间。
|
|
图片评分
大体时间：超声检查后。
|
第二阶段，得益于Nerveblox开发的人工智能技术，区域特定的人工智能标记和着色的解剖结构的准确性；它将根据第二年、第三年和第四年助理以及具有至少 5 年经验的麻醉师进行的超声图像扫描进行评估。
|
超声检查后。
|
合作者和调查者
合作者
调查人员
- 首席研究员：Yasin Tire、Konya City Hospital
- 研究主任：Betül Afşar、Konya City Hospital
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.